Post on 23-Oct-2015
UNIVERSIDAD INCA GARCILASO DE LA VEGA
FACULTAD DE PSICOLOGÍA Y TRABAJO SOCIAL
PERÚ
GUIA INTRODUCTORIA PARA EL USO DE FACTOR
Versión 8.02
SERGIO A. DOMINGUEZ LARA GRACIELA VILLEGAS GARCÍA
NOEMÍ SOTELO LÓPEZ
FACTOR
El programa FACTOR v. 8.02 (Lorenzo-Seva & Ferrando, 2007, 2011) es un software
que es utilizado para realizar diversos cálculos implicados en el análisis factorial. Es
compatible con todas las versiones de Windows. Al respecto de ello, la velocidad del
procesamiento de los diversos cálculos que se programen estarán en relación directa con
la capacidad de memoria de la PC que lo haga. Es un software de libre acceso,
disponible en el website http://psico.fcep.urv.es/utilitats/factor/Download.html.
PREPARANDO LA BASE DE DATOS
La carpeta que contiene al programa FACTOR alberga un archivo en Excel denominado
“FACTORdata_preprocessing”, el cual está estructurado con dos hojas cuyas funciones
son las siguientes:
Data: es la hoja en la cual se ubicarán los reactivos del instrumento que se pretende
evaluar con la técnica del análisis factorial. Se recomienda comenzar desde el primer
reactivo, es decir, la celda A1 debe contener la respuesta al reactivo 1 del sujeto 1.
Figura Nº 1
Base de datos en formato MS Excel
Compute: en esta hoja se procede a guardar la base de datos en formato de texto (To
save as dat files) a fin que pueda ser analizado en el programa en cuestión. Una vez que
seleccionamos el botón Save data sheet (Figura Nº 2), automáticamente aparecerá un
cuadro de diálogo en el cual se elegiremos tanto el nombre como la ubicación del
1
archivo (Figura Nº 3). Luego de ello, aparecerá una ventana con un aviso, en el cual
solicitan que se introduzca un separador de caracteres en la base de datos (Enter a
separator character) (Figura Nº 4), en el que se debe hacer un espacio con la barra
espaciadora. Una vez realizado este último procedimiento, se accede al programa Factor
para realizar los análisis pertinentes (Figura Nº 5).
Figura Nº 2 Conversor a Formato Dat.
Figura Nº 3
Ventana de almacenamiento de base de datos
Figura Nº 4
Cuadro de diálogo
2
Figura Nº 5
Ya con el programa listo para la ejecución, se selecciona el botón Read Data (Figura Nº
6), a fin de poder acceder a la base de datos que se guardó con anticipación. Una vez
dentro, se selecciona el botón Browse para ir a la ubicación del archivo (Figura Nº 7).
Después de seleccionar el archivo que se trabajará (Figura Nº 8), se escribirá de manera
manual el número de participantes y el número de variables que contiene la base de
datos (Figura Nº 9)
Figura Nº 6 Leer base de datos
3
Figura Nº 7 Buscar la base de datos
Figura Nº 8 Abrir base de datos
Figura Nº 9 Especificación de datos de participantes y variables
Luego de dar conformidad acerca de los datos ingresados, debe aparecer una palabra al
final de los comandos que den cuenta de la viabilidad del análisis. Dicha palabra es
Ready! (Listo) (Figura Nº 10).
4
Figura Nº 10
5
ANÁLISIS FACTORIAL CON EL PROGRAMA FACTOR
Para el presente ejemplo se usó la base de datos correspondiente a la adaptación peruana del Inventario de Depresión Estado Rasgo (IDER) (Spielberger, Agudelo, & Buela-Casal, 2008) del equipo de trabajo que forma parte el autor del presente manual (Sotelo, en revisión). De las dos subescalas, Estado y Rasgo, se seleccionó la primera, compuesta por diez ítems, cinco de los cuales pertenecen a Eutimia Estado y los otros cinco a Distimia Estado.
Determinación del número de factores: Selección del análisis paralelo Una vez lista la base de datos para analizarlos, se procede a configurar dicho análisis en
función de los requerimientos (Figura Nº 11). Se coloca que se analizará por medio de
una correlación policórica debido a que los ítems que se trabajarán están en formato
binario.
Figura Nº 11
Configuración del Análisis
En la sección Procedure for determining the number of factors/components
(procedimientos para determinar el número de factores/componentes), se selecciona la
opcion de Parallel Analysis (PA, Análisis Paralelo) (Figura Nº 12). Después de
seleccionar esa opción, puede seleccionarse entre la implementación clásica de Horn
(Classic Implementation) (Figura Nº 13) o la implementación óptima (Optimal
Implementation) (Figura Nº 14). Se seleccionará la primera opción. Luego de
establecer la selección, se presiona en OK (Figura Nº 15).
6
Figura Nº 12 Análisis Paralelo
Figura Nº 13 Implementación Clásica
7
Figura Nº 14
Implementación Óptima
Figura Nº 15
Luego se selección la opción Compute del menú principal (Figura Nº 16). Al término de
esa acción, el programa procederá a realizar el análisis (Figura Nº 17). Una vez
terminado este, el reporte se guardará en formato .txt en la carpeta que contiene al
programa.
8
Figura Nº 16
Figura Nº 17 Procesamiento del Análisis Paralelo
9
REPORTE: ANÁLISIS PARALELO
Figura Nº 18 Reporte inicial del Análisis Paralelo
F A C T O R Unrestricted Factor Analysis
Release Version 8.02
March, 2011 Rovira i Virgili University
Tarragona, SPAIN
Programming: Urbano Lorenzo-Seva
Mathematical Specification:
Urbano Lorenzo-Seva Pere J. Ferrando
Date: Saturday, March, 2012
--------------------------------------------------------------------------------
DETAILS OF ANALYSIS Participants' scores data file : C:\Documents and Settings\ (…) Number of participants : 141 Number of variables : 10 Variables included in the analysis : ALL Variables excluded in the analysis : NONE Number of factors : 0 Number of second order factors : 0 Procedure for determining the number of dimensions : Classical Parallel Analysis (PA) (Horns, 1965) Dispersion matrix : Polychoric Correlations Method for factor extraction : Unweighted Least Squares (ULS) Rotation to achieve factor simplicity : Promin (Lorenzo-Seva, 1999) Clever rotation start : Weighted Varimax Number of random starts : 10 Maximum mumber of iterations : 100 Convergence value : 0.00001000 --------------------------------------------------------------------------------
Figura Nº 19
Resultados del Análisis Paralelo PARALLEL ANALYSIS (PA) BASED ON PRINCIPAL COMPONENT ANALYSIS (Horn, 1965) Implementation details: Correlation matrices analized: Pearson correlation matrices Number of random correlation matrices: 500 Method to obtain random correlation matrices: Random samples from normal distribution (Horn, 1965) Variable Real-data Mean of random 95 percentile of random eigenvalues eigenvalues eigenvalues 1 4.47952* 1.45215 1.58252 2 1.80265* 1.29823 1.37982 3 0.75119 1.19210 1.26362 4 0.71076 1.10077 1.15734 5 0.61995 1.02329 1.07956 6 0.47158 0.94381 0.99818 7 0.36129 0.86951 0.92573 8 0.33002 0.79076 0.84647 9 0.31409 0.71073 0.77497 10 0.15895 0.61864 0.69151 * Advised number of dimensions: 2
A partir del análisis realizado, el número de factores sugeridos es de dos.
10
ANALISIS FACTORIAL
Una vez determinados el número de factores, se procede a configurar el procedimiento correspondiente a dicho análisis, seleccionando la matriz de correlaciones Pearson, colocando el número de factores que sugiere el análisis anterior (dos factores) y la rotación promax, recomendada como rotación si se observa en el análisis inicial correlación entre los factores por encima de .32 (Figura Nº 25).
Figura Nº 20
Configuración del Análisis Factorial
Una vez terminado este, el reporte se guardará en formato .txt en la carpeta que contiene al programa, el cual se puede nombrar como el investigador decida.
11
REPORTE-ANÁLISIS FACTORIAL
Figura Nº 21 Reporte del Análisis de Componentes Principales
F A C T O R
Unrestricted Factor Analysis
Release Version 8.02 March, 2011
Rovira i Virgili University Tarragona, SPAIN
Programming:
Urbano Lorenzo-Seva
Mathematical Specification: Urbano Lorenzo-Seva Pere J. Ferrando
Date: Saturday, March, 2012
--------------------------------------------------------------------------------
DETAILS OF ANALYSIS Participants' scores data file : C:\Documents and Settings (…) Number of participants : 141 Number of variables : 10 Variables included in the analysis : ALL Variables excluded in the analysis : NONE Number of factors : 2 Number of second order factors : 0 Procedure for determining the number of dimensions : Classical Parallel Analysis (PA) (Horns, 1965) Dispersion matrix : Pearson Correlations Method for factor extraction : Unweighted Least Squares (ULS) Rotation to achieve factor simplicity : Weighted Promax Value of parameter k : 4.0000 Clever rotation start : Raw Varimax Number of random starts : 10 Maximum mumber of iterations : 100 Convergence value : 0.00001000
Figura Nº 22 Reporte de Adecuación de la Muestra y Varianza Explicada
-------------------------------------------------------------------------------- ADEQUACY OF THE CORRELATION MATRIX Determinant of the matrix = 0.007502831941384 Bartlett's statistic = 664.6 (df = 45; P = 0.000010) Kaiser-Meyer-Olkin (KMO) test = 0.82552 (good) --------------------------------------------------------------------------------
EXPLAINED VARIANCE BASED ON EIGENVALUES Variable Eigenvalue Proportion of Cumulative Proportion Variance of Variance 1 4.47952 0.44795 0.44795 2 1.80265 0.18027 0.62822 3 0.75119 0.07512 4 0.71076 0.07108 5 0.61995 0.06199 6 0.47158 0.04716 7 0.36129 0.03613 8 0.33002 0.03300 9 0.31409 0.03141 10 0.15895 0.01589 --------------------------------------------------------------------------------
12
Se puede apreciar de acuerdo a los resultados que los datos son susceptibles de la realización de un análisis factorial, dado que el Test de Esfericidad de Bartlett es significativo (p< .05) y el KMO es bueno (> .80). Otro aspecto a tomar en cuenta es que los dos factores extraídos explican el 62,82% de la varianza de las puntuaciones del test (Figura Nº 22).
Figura Nº 23 Comunalidades de los factores sin rotar
--------------------------------------------------------------------------------
UNROTATED LOADING MATRIX
Variable F 1 F 2 Communality
V 1: Estoy animado/a 0.724 0.439 0.717 V 2: Estoy entusiasmado/a 0.745 0.365 0.689 V 3: Me siento bien 0.685 0.222 0.519 V 4: Me siento con energía 0.693 0.211 0.525 V 5: Estoy contento/a 0.715 0.266 0.582 V 6: Estoy animado/a triste -0.501 0.441 0.445 V 7: Estoy decaído/a -0.605 0.204 0.407 V 8: Me siento desdichado/a -0.505 0.479 0.485 V 9: Me siento frustrado -0.582 0.507 0.596 V 10: Estoy apenado -0.533 0.371 0.422
--------------------------------------------------------------------------------
Figura Nº 24 Reporte de Cargas Factoriales
--------------------------------------------------------------------------------
ROTATED LOADING MATRIX
Variable F 1 F 2
V 1: Estoy animado/a 0.019 0.853 V 2: Estoy entusiasmado/a -0.060 0.808 V 3: Me siento bien -0.159 0.652 V 4: Me siento con energía -0.174 0.648 V 5: Estoy contento/a -0.134 0.708 V 6: Estoy triste 0.670 0.009 V 7: Estoy decaído/a 0.508 -0.253 V 8: Me siento desdichado/a 0.708 0.037 V 9: Me siento frustrado 0.774 0.006 V 10: Estoy apenado 0.623 -0.070
--------------------------------------------------------------------------------
La matriz de factores rotados confirma la estructura factorial de la subescala Depresión Estado en dos factores Eutimia (ítems 1, 2, 3, 4 y 5) y Distimia (ítems 6, 7, 8, 9 y 10), con cargas factorial muy por encima de 0.32 (Figura Nº 24).
Figura Nº 25 Reporte de Correlación entre Factores
INTER-FACTORS CORRELATION MATRIX
Factor F 1 F 2
F 1 1.000 F 2 -0.332 1.000
13
14
REFERENCIAS
Lorenzo-Seva, U. & Ferrando, P. (2007). FACTOR: A computer program to fit the exploratory factor analysis model. University Rovira y Virgili.
Lorenzo-Seva, U. & Ferrando, P. (2011). Manual of the program FACTOR v. 8.02.
disponible en: http://psico.fcep.urv.es/utilitats/factor/Manual-of-the-Factor-Program.pdf.
Sotelo, L., Sotelo, N., Dominguez, S., Poma, I., Cueto, E., Alarcón, D., Barboza, M. & Padilla, O. (en revisión). Propiedades Psicométricas del Inventario de Depresión Estado-Rasgo (IDER) en una muestra de Adultos de Lima Metropolitana.
Spielberger, C., Agudelo, D. & Buela-Casal, G. (2008). Inventario de Depresión
Estado/ Rasgo (IDER). Madrid: TEA Ediciones.